小样本条件下的血糖浓度预测算法研究

鉴于现有的血糖浓度预测模型在小样本情形下仍有不足,为更好地精确预测糖尿病患者血糖浓度在未来一段时间的变化情况,提出一种基于小样本条件的血糖浓度预测算法。算法可依照t分布检验准则剔除待分析血糖序列的异常数值,利用三次样条函数插值方法扩充血糖样本,最终基于广义回归神经网络实现血糖序列的浓度预测。实验结果表明,算法在小样本的条件下获得较好的预测性能,具有一定的实际应用价值,可在保证预测精度的同时,使血糖序列采样时间间隔大大延长,为保持患者血糖数值稳定在正常生理范围内提供有力保障。

基于ε-SVR的近红外无创血糖浓度回归预测研究

为了提高近红外无创血糖浓度回归的预测精度,首先使用近红外光谱采集人体手指指尖光谱信号,同时用微创血糖仪检测对应血糖浓度;进一步基于高斯核函数与ε-支持向量回归机(ε-SVR)建立无创血糖浓度回归模型,并与偏最小二乘回归(PLSR)模型进行对比分析。通过ε-SVR模型对两名志愿者的实验结果表明:ε-SVR模型对测试集的预测精度有很大的提高,测试集的真实浓度与预测浓度的均方误差低,克拉克误差网格分析中位于A区的概率也均高于99%。